IQVIA kombinerer automatisering og avansert språkanalyse for å oppdage bivirkninger tidligere i datakjeden.
I AI-nyheter fra Emerj forklarer Marie Flanagan, Director of Product Management i IQVIA, at produktet Vigilance Detect bruker NLP trent på en proprietær bank av sikkerhetsnøkkelord og mønstre i 13–14 år for å finne sikkerhetshendelser i store, ustrukturerte og flerspråklige datamengder, inkludert sosiale medier. IQVIA har åpnet pasientkanaler som gir mer informasjon inn og frigjør tid for helsepersonell til å samtale og formidle klinisk informasjon videre til regulatorer; selskapet korrelerer slike data med FAERS for å muliggjøre tidlig pre-signalisering, blant annet ved å identifisere influensa-hotspots i deler av Manhattan.
Flanagan sier at kombinasjonen av OCR, RPA, tradisjonell koding, maskinlæring og kunstlig intelligens (KI) gir best resultater: NLP alene kan gi 20–30 prosent positivt treff, mens sammensatte automasjonsløsninger kan løfte dette til 70–80 prosent ved søk i sosiale medier. Hun understreker også tett dialog med regulatorer som EMA og FDA. OECD anslår at unngåelige legemiddelrelaterte uønskede hendelser koster 54 milliarder USD årlig, og en McKinsey‑rapport estimerer at generativ AI kan frigjøre 60–110 milliarder USD i årlig verdi for legemiddelindustrien.
Dette er relevant for Norge fordi europeisk regulatorisk praksis, herunder EMA, påvirker norsk legemiddelovervåking og berører hvordan norske virksomheter kan bruke digitale kanaler i farmakovigilans.
Kilde: https://emerj.com/enhancing-drug-safety-with-ai-and-automation-technologies-marie-flanagan-of-iqvia | Sammendraget er KI-generert med OpenAI API og kvalitetssikret av redaksjonen i Ainy.no
